Chatbots: Die Reichweite sollte die Reichweite übertreffen

Die Gesellschaft wurde mit Versprechungen über revolutionäre künstliche Intelligenz überschwemmt, die wie ein Mensch denken, handeln und reagieren kann. Trotz der Fanfare, der geschmeidigen Marketingkampagnen und der eleganten Markteinführung sind die meisten dieser Versprechungen gescheitert. Diese Chatbots waren nicht nur nicht so effektiv wie beworben, sie haben auch zusätzliche Probleme verursacht und zu Frustration und Enttäuschung bei den Unternehmen, die in sie investiert haben, und bei den Kunden, die mit ihnen interagiert haben, geführt.

Unglückliche Anfänge

In der Zeitschrift Forbes stellt Christopher Elliott die Ergebnisse von CGS vor, einem Unternehmen, das sich auf Geschäftsanwendungen, Lern- und Outsourcing-Dienstleistungen spezialisiert hat. Die von CGS durchgeführte Untersuchung, die Teil des jährlichen Global Consumer Service Report ist, zeigt deutlich die Grenzen des aktuellen Angebots an Chatbots auf. Diesem Bericht zufolge "... gab etwa die Hälfte aller Befragten an, dass sie sich bei einem schnellen Kundendienstbedarf an einen Chatbot wenden würden. Weitere 25 Prozent würden sich per E-Mail oder über die sozialen Medien an ein Unternehmen wenden." Insgesamt deuten die Ergebnisse auf eine geringe Begeisterung für die Interaktion mit Chatbots hin, denn "50 Prozent der britischen Befragten und etwa 40 Prozent der amerikanischen Befragten gaben an, dass sie einen Menschen bevorzugen würden." Nach Elliotts Bericht ist der Chatbot eine Eintagsfliege, die zwar ihre fünfzehn Minuten Ruhm hatte, aber nun einer düsteren Zukunft entgegensieht. Es liegt auf der Hand, dass sich etwas ändern muss, wenn Chatbots einen positiven Beitrag zur Kundenbindung und zum Geschäftsbetrieb leisten sollen.

Neue Entwicklung führt zu neuen Horizonten

Zum Glück ist die IT-Branche sehr anpassungsfähig, und diese innovative und dynamische Welt kann sich mit einem Mausklick verändern. Dank bahnbrechender Fortschritte im Bereich des maschinellen Lernens und der Verarbeitung natürlicher Sprache kann die heutige konversationelle KI ein Verständnisniveau erreichen, das bisher nur im Bereich der Science-Fiction existierte.

Im Wesentlichen geht es beim maschinellen Lernen darum, dem Chatbot genügend Informationen zu liefern, damit er ein Muster erkennen kann. In seinem Artikel Towards Data Science verwendet Shivam Kollur eine Analogie zu Mathematikstudenten. Kollur erklärt, dass "der allgemeine Rahmen des Mathematikunterrichts darin besteht, den Schülern viele Übungsprobleme zusammen mit den Antworten zu geben... Jedes Übungsproblem kodiert Informationen (eine Art von Eingangsmerkmalen), die ein Schüler (Algorithmus für maschinelles Lernen) zusammen mit der Antwort (Etikett) beobachtet. Wir können diesen Lernprozess als das Training eines Algorithmus bezeichnen". Kollur fügt hinzu: "Nach einer Vielzahl von Übungsproblemen sollte unser hypothetischer Schüler in der Lage sein, eine Art Muster zu finden, das er zur Lösung des Problems verwenden kann." Dies ist eine ziemlich genaue Darstellung der Funktionsweise des maschinellen Lernens.

Teamarbeit ist unsere Erfolgsformel

Eine enge Zusammenarbeit zwischen Backend-Entwicklern, Inhaltsspezialisten und dem Chatbot selbst ist unerlässlich, da jede Partei eine entscheidende Rolle beim Training des Chatbots spielt. Zunächst programmieren die Entwickler die Algorithmen, die die Grundlage für das Training des Bots bilden. Anschließend teilen diese Algorithmen dem Chatbot mit, auf welche Informationen er achten muss. Gleichzeitig liefern Inhaltsspezialisten die Sprache, die den Algorithmen entspricht und das Wissen, das der Chatbot erworben hat, vertieft. Durch das kontinuierliche Training des Chatbots wird sein Verständnis ständig erweitert, so dass er intuitiv neue Sprache entschlüsseln und korrekt auf schriftliche Kommunikation reagieren kann.

Bei der natürlichen Sprachverarbeitung geht es darum, dem Chatbot die Regeln der menschlichen Sprache beizubringen, was natürlich nicht nur schwierig, sondern manchmal auch abstrakt ist. Die beiden Hauptbereiche, auf die sich NLP konzentriert, sind Syntax und Semantik, die Parsing oder grammatikalische Analyse umfassen, und Tagging, das sich auf die Identifizierung einzelner Schlüsselwörter in einem Satz konzentriert. Indem sie die Sprache geringfügig verändern, ohne den Kern eines Satzes zu verändern, können Inhaltsautoren die Ausbildung des Chatbots unterstützen.

Der Einsatz von maschinellem Lernen und NLP bietet bisher unerreichte Fähigkeiten und grenzenlose Möglichkeiten. In Kombination mit unserer Vision, unseren Fähigkeiten und unserem Wissen hat unser vielseitiges Team eine zukunftsweisende Lösung für ein dringendes Problem entwickelt, die das Potenzial hat, die Art und Weise, wie Finanzinstitute ihren Kundenservice verwalten, neu zu gestalten.

Quellen:

[1] https://www.forbes.com/sites/christopherelliott/2018/08/27/chatbots-are-killing-customer-service-heres-why/#6713281713c5
[2] https://towardsdatascience.com/explaining-machine-learning-in-laymans-terms-9b92284bdad4

Ailleron

Das Marketingteam von Ailleron besteht aus digitalen Vermarktern und Inhaltserstellern, die Einblicke und Fachwissen aus dem gesamten Unternehmen zur Verfügung stellen, einschließlich #AilleronExperts. Für Medienanfragen wenden Sie sich bitte über unser Kontaktformular an uns.